Towards Accurate and Efficient Waste Image Classification: A Hybrid Deep Learning and Machine Learning Approach

Resumo Técnico: Rumo à Classificação Precisa e Eficiente de Imagens de Resíduos

Declaração do Problema
A classificação automatizada de resíduos é essencial para a gestão sustentável global de resíduos, contudo a literatura atual carece de benchmarks sistemáticos que integrem Aprendizado de Máquina (ML), Aprendizado Profundo (DL) e soluções híbridas. Estudos existentes frequentemente abordam aspectos isolados do problema, falhando em fornecer uma comparação unificada de paradigmas. Além disso, conjuntos de dados públicos amplamente utilizados sofrem de problemas de qualidade de dados, como rotulagem incorreta, o que compromete a confiabilidade dos benchmarks. Adicionalmente, embora modelos de Aprendizado Profundo alcancem alta precisão, seus custos computacionais e latência de inferência apresentam desafios para implantação em ambientes com recursos limitados ou em tempo real.

Metodologia
O estudo propõe uma avaliação abrangente de três paradigmas distintos para classificação de imagens de resíduos, testados em três conjuntos de dados públicos: Garbage Classification (19.762 imagens, 10 classes), Household Garbage (15.150 imagens, 12 classes) e TrashNet (2.527 imagens, 6 classes).

1. Refinamento do Conjunto de Dados: Uma etapa preliminar crítica envolveu a inspeção manual e correção de 43 imagens mal rotuladas no conjunto de dados Household Garbage para garantir a integridade dos dados.
2. Paradigma 1: Aprendizado de Máquina Clássico (Características Criadas à Mão):
   • Pré-processamento: As imagens foram segmentadas utilizando GrabCut, limiarização e detecção de contornos.
   • Extração de Características: Um vetor de alta dimensionalidade (1.305 dimensões) foi construído concatenando características criadas à mão: Cor (momentos HSV, histogramas), Forma (propriedades de contorno, momentos de Hu), Textura (GLCM, LBP), Pontos-chave (ORB, SIFT) e Características Globais (GIST).
   • Classificação: Essas características foram alimentadas em classificadores clássicos, incluindo Regressão Logística (LoR), SVM, KNN, Árvores de Decisão (DT), Random Forest (RF), XGBoost e LightGBM.
3. Paradigma 2: Aprendizado Profundo (End-to-End):
   • Três arquiteturas foram avaliadas: ResNet50 padrão, ResNet101 e EfficientNetV2S.
   • Uma ResNet50 Personalizada foi desenvolvida substituindo as camadas superiores originais por uma camada GlobalAveragePooling2D e uma camada de saída densa. Este modelo foi treinado usando Função de Perda Focal Categórica Esparsa para lidar com desequilíbrio de classes e amostras difíceis de classificar.
4. Paradigma 3: Abordagem Híbrida (Características Profundas + Classificadores Clássicos):
   • O modelo profundo de melhor desempenho (ResNet50 Personalizada) foi utilizado exclusivamente como extrator de características.
   • As características foram extraídas da camada GlobalAveragePooling2D, resultando em um vetor de 2.048 dimensões.
   • Seleção de Características: Métodos Wrapper e Embutidos foram aplicados para reduzir significativamente a dimensionalidade (testando subconjuntos de 100 até 50 características).
   • Os conjuntos de características reduzidos foram classificados utilizando a mesma suíte de algoritmos clássicos de ML (SVM, LoR, etc.).

Principais Resultados

• Superioridade Híbrida: A abordagem híbrida superou consistentemente tanto os métodos puros de ML quanto os puros de DL. Nos conjuntos de dados TrashNet e Household Garbage corrigido, o modelo híbrido alcançou 100% de precisão. No conjunto de dados Garbage Classification, atingiu 99,87% de precisão, superando o melhor modelo puro de DL (ResNet50 Personalizada com 97,37%).
• Impacto da Correção de Dados: No conjunto de dados Household Garbage corrigido, o modelo híbrido manteve 100% de precisão, enquanto a linha de base de Aprendizado Profundo end-to-end caiu de 99,74% para 99,16%, sugerindo que o modelo de DL havia se sobreajustado ao ruído de rótulo original.
• Eficiência da Seleção de Características: A seleção de características reduziu a dimensionalidade de entrada em mais de 95% (de 2.048 para tão poucos quanto 50–100 características) sem comprometer a precisão. Em alguns casos, o uso de um subconjunto compacto de características realmente melhorou o desempenho em comparação com o conjunto completo de características.
• Eficiência Computacional: Embora a espinha dorsal CNN domine o tempo de inferência (aproximadamente 6–10 ms por amostra), a subsequente classificação por modelos de ML leves adiciona sobrecarga negligenciável (sub-milissegundo). A abordagem híbrida oferece uma leve redução na latência total de inferência em comparação com DL end-to-end (por exemplo, 9,09 ms vs. 9,97 ms no TrashNet) e tempos de treinamento significativamente mais rápidos para o componente classificador.

Significado e Alegações
Os autores afirmam que este trabalho estabelece benchmarks mais confiáveis para classificação de resíduos ao abordar questões de integridade de dados e fornecer uma comparação unificada dos paradigmas de ML, DL e híbrido. A contribuição principal é a demonstração de que um framework híbrido combinando extração de características profundas com classificadores clássicos e seleção agressiva de características alcança precisão state-of-the-art enquanto reduz significativamente os custos computacionais e a complexidade do modelo.

O artigo afirma que essa abordagem é particularmente adequada para implantação escalável em ambientes com recursos limitados (por exemplo, dispositivos de borda) porque desacopla a pesada extração de características (que pode ser amortizada ou realizada offline) da etapa de classificação leve e rápida. O estudo conclui que a estratégia híbrida oferece uma solução robusta, eficiente e altamente precisa para sistemas práticos de gestão de resíduos, superando benchmarks state-of-the-art existentes em diversas escalas de conjuntos de dados.